随着科学技术的进步，智能机器人系统开始应用在服务行业。服务型的自主式移动机器人的研究和设计越来越受到企业界和商业界的重视。目前，已经存在很多组合优化算法来解决机器人路径规划问题，但很多算法都存在一定的局限性。而蚁群算法具有正反馈、灵活性和协同性等特点，顺应路径规划算法的研究现状和向智能化、仿生化发展的趋势。因此，本课题拟采用蚁群算法对机器人路径进行规划。 本文讨论的机器人环境为静态全局环境已知，通过栅格法对已知环境进行抽象，建立机器人工作空间模型，并采用蚁群算法，模拟蚂蚁觅食行为，根据优化条件搜索出一条从指定起点到终点的最优或近似最优路径，即全局路径规划。机器人利用自身视觉传感器按照规划出的最优路径自动导航，无碰撞地移动到目标点。 通过Matlab平台实施仿真，实验结果表明，在环境地图已知的情况下，该算法能迅速规划出较优的全局路径，并且算法简单有效。与传统的搜索算法比较，它可以避免陷入过早收敛，能实现移动机器人在较短时间内搜索到最佳路径并规避障碍。

百度地图API 微信小程序定位导航 路径规划

该项目的目的是开发和测试新颖的路径规划算法，该算法使用云和边缘计算资源的容量进行控制，满足时间和安全性约束。 该实验旨在揭示对本地和远程计算之间权衡的见解，并将导致新的决策机制接近最优，快速且节能。

4．AGV的路径规划实例 Dijkstra最短路径确定法。图7-24中的节点1～5是AGV运行路线上的岔口，6～18是货物装卸点，6是系统的入口，9、15、16是系统的出口，19是AGV停车处。在图7-24(b)中，将AGV可能的运行方向用箭头进行了表示。

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

基于ROS的多目标A*改进路径规划算法研究，刘祎然，魏世民，针对移动机器人，提出了一种基于A*改进的连续多目标路径规划算法，并在ROS环境下对改进算法进行仿真。首先，分析了传统A*算法的原��

A*算法路径规划的python实现，长度不到150行，一个简单的demo，可以自定义起点、终点和障碍物的位置。

路径规划算法 CH Contraction Hierarchies，bing地图现在使用的路径导航算法，注重路径规划算法开发的同学可以下载收藏，使用价值很高，原始论文。

引言路径规划［1 － 3］是指在具有障碍物的环境中，按照一定的评价标准，寻找一条从起始状态到目标状态的无碰撞路径。Jean［4］和 LaValle［5］指出规划

机器人控制仿真程序，全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划。每种方法都给出了算法推导，实例分析和相应的MATLAB仿真设计程序